给龙虾装上运维技能:用 OpenClaw 做 Redis 巡检,7 秒查完 24 个集群

这是「AI运维实验室」的第三篇文章。前两篇聊了养虾社 Meetup 见闻和 OpenClaw 企业部署，这一篇讲一个具体的实战案例——怎么给你的龙虾写一个 Redis 巡检 Skill。

每天 20 分钟的体力活

我管着 24 个 ElastiCache Redis 集群，之前每天早上的巡检流程是这样的：

1. 登录 AWS 控制台
2. 逐个点开集群看 CPU、内存、连接数
3. 跟昨天的数据对比，看有没有异常
4. 把结果整理成报告发群里

一套下来 20 分钟，每天重复，纯体力活。

后来我用 OpenClaw 做了自动化。给龙虾写了一个 Redis 巡检 Skill，现在在飞书里打两个字"Redis 巡检"，龙虾 7 秒出完整报告。

效果长什么样

在飞书聊天窗口发一句话，龙虾自动执行脚本、拉数据、对比基线、输出报告：

━━━━━━━━━━━━━━━━━━━━━━━━Redis 每日巡检报告2026年03月19日 星期四 09:30最近 24 小时━━━━━━━━━━━━━━━━━━━━━━━━[OK] 全部 24 个集群正常-- TOP 5 CPU  集群                            CPU  xxx-redis-06                  20.1%  xxx-cache-01                19.4%  xxx-main                    19.3%  xxx-proxy                   14.9%  xxx-biz-01                  12.3%-- TOP 5 内存  集群                            内存  xxx-data                    72.8%  xxx-persist                 58.4%  xxx-mail                    57.7%  xxx-queue                   57.6%  xxx-proxy                   48.4%-- TOP 5 连接数  集群                           连接数  xxx-persist                  4,101  xxx-redis-06                   2,281  xxx-redis-02                   2,076  xxx-redis-05                   1,679  xxx-main                     1,650━━━━━━━━━━━━━━━━━━━━━━━━

如果有异常，会自动标记并高亮：

! 异常集群: 2/24  集群                            异常项  xxx-cache-01                CPU: 72.3% (阈值70%, 基线45.2%, +60%) [!]  xxx-redis-04                  Evictions: 156 (过去24h)

[!] 是警告（指标突增 1.5 倍以上），[!!] 是严重（突增 2 倍以上）。不是简单的阈值告警，而是跟 7 天前同时段对比——能发现"缓慢恶化"的问题，比如内存每周涨 2%，单看当天数据正常，但跟基线一比就能发现趋势。

三样东西，就这么多

先看整体架构：

┌─────────────────────────────────────────────┐│                  飞书                        ││  用户发送 "Redis 巡检"                       │└──────────────────┬──────────────────────────┘                   │ WebSocket                   ▼┌─────────────────────────────────────────────┐│            OpenClaw Gateway                  ││  ┌─────────┐  ┌──────────┐  ┌────────────┐ ││  │消息路由  │→│ AI Agent  │→│ SKILL.md   │ ││  │         │  │ (Gemini)  │  │ 匹配触发词 │ ││  └─────────┘  └──────────┘  └─────┬──────┘ │└───────────────────────────────────┼─────────┘                                    │ exec                                    ▼┌─────────────────────────────────────────────┐│          redis-overview.sh                   ││  ┌──────────┐  ┌───────────┐  ┌──────────┐ ││  │读取      │→│ 批量查询   │→│ 对比基线  │ ││  │config.json│ │ CloudWatch │  │ 标记异常  │ ││  └──────────┘  └───────────┘  └──────────┘ │└───────────────────────────────────┬─────────┘                                    │                                    ▼┌─────────────────────────────────────────────┐│         AWS CloudWatch API                   ││  24 集群 × 5 指标 = 2 次 API 调用            ││  当前数据 + 7 天前基线                        │└─────────────────────────────────────────────┘

巡检执行流程：

"Redis 巡检"     │     ▼  读取 config.json（集群列表 + 阈值）     │     ▼  构建批量查询 JSON  ├── 当前时段: 5 指标 × 24 集群  └── 基线时段: 同上（7天前）     │     ▼  2 次 CloudWatch API 调用（共 7 秒）     │     ▼  逐集群分析  ├── CPU > 70%? ──────→ 标记异常  ├── CPU 突增 > 1.5x? → 标记 [!]  ├── CPU 突增 > 2.0x? → 标记 [!!]  ├── 内存 > 80%? ─────→ 标记异常  ├── 命中率下降 > 10%? → 标记异常  └── Evictions > 0? ──→ 标记异常     │     ▼  输出报告（异常集群 + TOP 5）

整个方案的实现只有三样东西：

一个 bash 脚本

核心逻辑：调 CloudWatch get-metric-data API 批量查询所有集群的指标，同时拉 7 天前同时段的数据作为基线，逐个对比发现异常。

aws cloudwatch get-metric-data \  --metric-data-queries file:///tmp/queries.json \  --start-time "$START_TIME" \  --end-time "$END_TIME" \  --profile "$PROFILE" \  --region "$REGION"

关键优化：用批量查询代替逐个查询。26 个集群 × 5 个指标 = 130 个指标，只需要 2 次 API 调用（当前 + 基线），7 秒搞定。之前逐个查要 3 分钟。

一份说明书（SKILL.md）

告诉龙虾：用户说什么话的时候，跑哪个脚本。

- "Redis 巡检" → redis-overview.sh（全局巡检）- "xxx Redis 详情" → redis-detail.sh（单集群详情）- "Redis 对比" → redis-compare.sh（上线前后对比）

龙虾不需要理解 Redis 是什么，它只需要知道"用户说了这句话，我就跑这个命令"。SKILL.md 就是这个映射关系。OpenClaw 的 Skill 体系设计得很巧妙——你不用写代码教 AI 怎么做，只需要用 Markdown 写一份说明书。

一个配置文件（config.json）

定义你的集群分组和告警阈值：

{"groups": {"core": ["xxx-main", "xxx-cache"],"api": ["xxx-redis-01", "xxx-redis-02"]  },"thresholds": {"cpu_warn": 70,"memory_warn": 80,"spike_ratio": 1.5  }}

换个环境用，改这个文件就行，脚本不用动。

不只是巡检

同样的模式，我还做了两个场景：

单集群详情——想看某个集群最近 3 小时的趋势，发一句"xxx-main 详情"，龙虾返回 CPU、内存、连接数、命中率、延迟的逐小时数据。

上线对比——发布后想确认有没有影响 Redis，发一句"xxx-main 对比 30"，龙虾自动对比发布前后 30 分钟的指标变化，输出对比表。

三个场景覆盖了日常 Redis 运维 90% 的需求：每天看一眼全局、出问题查详情、上线后确认影响。这就是 OpenClaw Skill 的威力——一个 Skill 解决一类问题，组合起来就是一套完整的运维工具箱。

从 20 分钟到 7 秒

省下来的不只是时间。以前巡检是"看一眼没问题就过了"，现在龙虾每天自动跟 7 天前的基线对比，能发现肉眼看不出来的缓慢变化。

这也是 OpenClaw 做运维的核心价值——不是替代运维，是给运维装上外挂。你还是那个做决策的人，但龙虾帮你把重复劳动干了。

安全：给龙虾最小的钥匙

把 AWS AK/SK 交给 AI Agent，安全必须做到位。我们的做法是三层防护：

最小权限

给龙虾的 IAM 用户只有 CloudWatch 只读权限，连 EC2 列表都看不了：

{"Effect": "Allow","Action": ["cloudwatch:GetMetricData","cloudwatch:ListMetrics","elasticache:DescribeCacheClusters","elasticache:DescribeReplicationGroups"  ],"Resource": "*"}

就这四个 Action，多一个都不给。即使 AK/SK 泄露，攻击者也只能看监控数据，碰不了任何资源。

IP 白名单

IAM Policy 里加了 IP 条件限制，只允许 OpenClaw 所在机器的出口 IP 调用：

{"Condition": {"IpAddress": {"aws:SourceIp": ["<办公网络出口IP>/32"]    }  }}

AK/SK 拿到别的机器上用？直接 Access Denied。

异常访问检测

通过 CloudTrail + EventBridge 监控 AK/SK 的使用行为：

• CloudTrail 记录所有 API 调用（谁、什么时间、从哪个 IP、调了什么）
• EventBridge 规则匹配异常模式：非白名单 IP 调用、非工作时间调用、调用频率突增
• 触发后 Lambda 自动推告警到钉钉，同时可以自动禁用 AK/SK

CloudTrail → EventBridge 规则 → Lambda → 钉钉告警                                    └→ 自动禁用 Key

三层加起来：最小权限控制爆炸半径，IP 白名单防泄露利用，异常检测兜底。给龙虾的钥匙，只能开一扇门，只能在一个地方用，用的时候还有摄像头盯着。

代码开源

完整代码已开源，7 个文件，拿去改改 config.json 就能给你的龙虾装上 Redis 巡检技能：

https://github.com/clawnoc/clawnoc-skills/tree/main/skills/aws-redis-monitor

写于 2026 年 3 月，又一个不用手动巡检的早晨。龙虾已经把报告发到飞书了。

关注「AI运维实验室」，持续分享 OpenClaw 运维实战、企业级 AI 落地经验。